Sistem Pendeteksi Jenis Buah Mangga Menggunakan Metode Template Matching
Vol. 2, No. 12, Desember 2018, hlm. 6679-6687 http://j-ptiik.ub.ac.id
Sistem Pendeteksi Jenis Buah Mangga Menggunakan Metode Template
Matching
1
2 3 Agung Bachtiar Sukmaarta , Dahnial Syauqy , TibyaniProgram Studi Teknik Komputer, Fakultas Ilmu Komputer, Universitas Brawijaya
Abstrak
Algoritma Template Matching merupakan metode sederhana yang digunakan untuk mengenali pola pada sebuah citra. Metode Template Matching sering digunakan untuk mengidentifikasi citra karakter huruf, angka, sidik jari dan aplikasi-aplikasi pencocokan citra lainnya. Pada Penelitian ini dibuat sebuah sistem untuk mendeteksi jenis buah mangga. Terdapat 3 jenis buah mangga yang dapat dideteksi, yaitu Manalagi, Arumanis, dan Golek. Metode yang digunakan pada aplikasi ini adalah Template Matching, yaitu teknik statistik yang digunakan untuk mencari dua variabel/matriks atau lebih yang sifatnya kuantitatif. Algoritma ini mencocokkan setiap pixel pada suatu matriks citra digital dari buah mangga dengan citra yang menjadi template acuan. Hasil dari uji coba menunjukan bahwa klasifikasi Jenis buah mangga dengan metode
Template Matching ini dapat mendeteksi gambar buah mangga yang diujikan. Tingkat keberhasilan
pendeteksian jenis buah mangga tersebut sebesar 70.83% dari data uji sebanyak 24 citra. Performansi Sistem Pendeteksi Jenis Buah Mangga dengan Metode Template Matching mempunyai nilai kecepatan waktu pemrosesan rata-rata sebesar 4,075 detik dari 24 kali pengujian.
Kata kunci: Template Matching, Klasifikasi, Mangga, Pengenalan jenis buah manga
Abstract
Template Matching Algorithm is a simple method used to recognize patterns in an image. TemplateMatching Methods are often used to identify letters, numbers, fingerprint and other image matching images.
In this research is made a system to detect type of mango fruit. There are 3 types of mangoes that can be
detected, namely Manalagi, Arumanis, and Golek. The method used in this application is Template
Matching, which is a statistical technique used to find two variables / matrices or more that are quantitative.
This algorithm matches each pixel in a digital image matrix of mango from the image that becomes the
template reference. The results of the experiments show that the classification of the type of mango fruit
with Template Matching method can detect images of tested mangoes. The success rate of mango fruit
detection is 70.83% of the test data of 24 images. Performance of Mango Type Detection System with
Template Matching Method has average value of average speed of 4.075 seconds from 24 times testing.Keywords: Template Matching, Classification, Mango, mangoes recognition buah tahunan yang berasal dari negara India.
1. PENDAHULUAN
Srilanka dan Pakistan. yang kemudian menyebar Indonesia merupakan salah satu ke seluruh dunia. termasuk Indonesia (Winda negara di Asia Tenggara yang memiliki sumber
Pratiwi. 2015). Pohon mangga hampir selalu ada daya alam yang sangat melimpah. baik itu berupa di pekarangan-pekarangan rumah masyarakat. tanaman. hewani maupun pada bidang
Buah mangga dapat tumbuh subur di daerah yang pertambangan. Banyak sekali tanaman buah- memiliki iklim tropis. Beberapa daerah yang buahan yang tumbuh subur di tanah Indonesia. menjadi sentra produksi buah mangga seperti di
Seperti salah satunya adalah buah Mangga Probolinggo.
(Mangifera Indica). Mangga merupakan tanaman Fakultas Ilmu Komputer
Tumbuhan mangga (Mangifera indica) pengolah gambarnya kemudian akan ditampilkan tergolong kelompok buah yang memiliki daging ke layar LCD ataupun menggunakan lampu LED . dengan bentuk. ukuran. warna. serta citarasa yang 2.
METODE PENELITIAN
beranekaragam. Buah Mangga mengandung Penelitian yang Penulis lakukan banyak vitamin yang sangat dibutuhkan oleh tergolong dalam penelitian implementatif. tubuh manusia. antara lain vitamin A. B. C tinggi
Berikut ini merupakan alur dari penelitian yang (AAK. 1997). Buah mangga termasuk salah satu akan dibuat. jenis buah yang sangat digemari dan sering dikonsumsi oleh masyarakat Indonesia. baik buah yang masih muda sampai yang sudah tua.
Perkembangan ilmu pengetahuan dan teknologi membuat kualitas kehidupan manusia semakin berkembang. termasuk pada industri pengolahan hasil pertanian dan perkebunan. Dalam pengolahan hasil pertanian dan perkebunan, salah satu tahap yang perlu dilakukan adalah proses pemilihan produk berdasarkan kualitas dan jenisnya.
Para penikmat buah mangga sering dibingungkan dalam memilih jenis buah mangga. hal ini disebabkan oleh perbedaan harga antara jenis mangga yang satu dengan yang lain. Para pengusaha manga terkadang masih menggunakan cara tradisional dalam meentukan janis mangga. Namun upaya tersebut sering tidak akurat dan memiliki penentuan yang berbeda-beda. Perbedaan tersebut diakibatkan karena bedanya persepsi pada setiap orang. Karena perbedaan tersebut terkadang sering terjadi buah manga yang jenisnya tertukar dalam proses packing. dan hal ini dapat membuat kerugian penjual dan membuat konsumen kecewa karena buah manga yang telah dibeli tidak sesuai dengan keinginan
Gambar 1 Diagram Alur Metodologi Penelitian konsumen.
Oleh sebab itu penulis tertarik untuk membangun sebuah alat yang dapat melakukan pendeteksi buah mangga berdasarkan jenisnya. baik manga jenis Manalagi. Arum Manis. maupun Mangga Golek. Sehingga dengan demikian masyarakat khususnya pengusaha mangga akan mampu mengelompokkan buah mangga berdasarkan jenis yang lebih akurat. Dengan
3 PERANCANGAN DAN
dikelompokkannya buah mangga berdasarkan
IMPLEMENTASI
jenisnya maka selanjutnya akan mempermudah proses pengemasan dan juga dapat menghemat
3.1 Gambaran Umum Sistem waktu. tenaga dan biaya.
Rasp Pembuatan Alat ini memanfaatkan
Monitor
Web Man berry webcam. raspberry pi. dan Open CV sebagai
/LED
cam gga
Gambar 2. Diagram Blok Sistem
Sistem Pendeteksi Jenis Buah Mangga Menggunakan Template Matching merupakan suatu sistem yang dapat menentukan suatu jenis buah mangga dengan parameter berupa warna dan bentuk pada buah. Bentuk dan warna ini akan diambik dengan webcam C270 dan akan di olah ke raspberry pi 3 model B. Berdasarkannilai dari kedua parameter tersebut maka i dapat dilakukan klasifikasi hasillnya dengan menggunakan metode Template Matching . Sistem ini membantu menyelesaikan permasalahan penentuan tingkat suatu jenis buah mangga secara otomatis. Selain itu penggunan i metode Template
Matching menjadi metode yang i tepat karena
dapat menghasilkan i tingkat akurasi yang tinggi dan waktu proses yang cukup cepat. Hasil dari klasifikasi sistem ini akan secara otomatis ditampilkan pada layar monitor ataupun LED.
3.2 Perancangan Purwarupa Alat Pendeteksi Jenis Buah Mangga Gambar 3 Desain Sistem Pendeteksi Jenis Buah Mangga
Dalam pembuatan alat otomatisasi diperlukan suatu bentuk prototype yang akan diimplementasikan. Dalam melakukan desain Sistem Pendeteksi Jenis Buah Mangga ini perlu diperhatikan penempatan tiap-tiap komponen serta ukuran sistem yang akan dikembangkan. Pembuatan desain sistem dirancang menggunakan aplikasi
Sketchup
untuk menggambarkan bentuk purwarupa yakni berupa kotak yang terbuat dari akrilik. Peletakan kamera di atas area tempat objek dan menghadap kebawah yang bertujuan untuk menghindari interfensi cahaya lain selain warna dari objek yang akan dibaca. LED sebanyak 4 buah ditempatkan diatas kotak tidak jauh dari letak peletakkan kamera untuk memudahkan pengguna melihat langsung hasil keluaran sistem. Kemudian di atas dari kotak juga dipasangkan
push button yang digunakan untuk menjalankan
data sensor yang. Bentuk purwarupa alat ditunjukkan pada Gambar 2.
Gambar 4. Diagram Skematik Sistem
Gambar 4. menunjukkan diagram skematik elektronik perangkat keras yang akan diimplementasikan, komponen utama yang digunakan untuk membuat sistem diantaranya adalah Raspberry Pi 3 sebagai otak utama dari sistem, LED, Layar Monitor, push button, dan resistor sebagai komponen untuk rangkaian pembagi tegangan yang akan diterapkan dalam penggunaan LED dan push button.
Pembacaan gambar dilakukan oleh kamera dimana kemudian gambar akan diolah untuk dilakukan klasifikasi dengan menggunakan
Template Matching. Berdasarkan diagram alir
pada Gambar 4, Sistem dimulai dengan melakukan inisialisasi pin yang digunakan oleh LED dan push button. Selanjutnya setelah inisialisasi pin raspberry akan melakukan proses pengecekan penekanan push button. Apabila Kamera/ Webcam LED Hasil LED Process Trigger Push Button terjadi penekanan push button. raspberry akan pengecekan penekanan push button. Apabila mempersiapkan webcam untuk mengambil terjadi penekanan push button. raspberry akan gambar. Jika sudah siap. maka kamera akan mempersiapkan webcam untuk mengambil segera mengambil gambar dengan perintah gambar. Jika sudah siap. maka kamera akan cv2.VideoCapture() yang telah tersedia dalam segera mengambil gambar dengan perintah openCV. Setelah gambar didapat maka gambar cv2.VideoCapture() yang telah tersedia dalam siap untuk diproses untuk mengetahui klasifikasi openCV. Setelah gambar didapat maka gambar jenis buah manga dengan menggunakan metode siap untuk diproses untuk mengetahui klasifikasi
Template Matching . jenis buah manga dengan menggunakan metode
.Template Matching True False False True
Gambar 6. Diagram alir perancangan Pembuatan Template
Pada gambar 6 merupakan proses bembuatan i template . Proses pembuatan i template dimulai dengan menggakses kamera dengan mengunakan perintah cv2.VideoCapture() yang ada dalam openCV kemudian kamera mengambil citra manga. Setelah gambar didapat lalu citra diubah dari RGB dan grayscale dengan perintah
Gambar 5. Diagram alir perancangan perangkat lunak pengambilan gambar cv2.cvtColor(gambar, cv2.COLOR_BGR2GRAY).
Grayscale dipilih karena library template Proses perancangan perangkat lunak matching mengunakan openCV hanya untuk pengambilan gambar ditunjukkan pada membutuhkan satu jenis nilai dari tiap
- – tiap pixel. Gambar
5. hal ini dimaksudkan untuk sedangkan RGB memiliki tiga komponen dalam menentukan hasil pembacaan gambar dari kamera 1 pikselnya. Kemudian citra RGB yang sudah di yang akan diolah untuk dilakukan klasifikasi ubah menjadi grayscale akan disimpan sebagai dengan menggunakan Template Matching. template dengan menggunakan perintah
Sistem menginisialisasi pin yang digunakan oleh cv2.imwrite(). LED dan push button. Selanjutnya setelah inisialisasi pin raspberry akan melakukan proses diambil dari kamera dengan cara membandingankan nilai koefisien korelasi dari gambar yang di capture dengan templatenya. Untuk menghitung kecocokan tiap piksel dapat menggunakan fungsi cv2.matchTemplate(namagambar. namatemplate. cv2.TM_CCOEFF_NORMED) parameter cv2.TM_CCOEFF_NORMED merupakan salah satu metode template matching yang disediakan oleh openCV dengan perhitungan:
′ ′ ′ ′ ′ ′ ∑ ( ( , ). ( + , + ))
′, ′ (1)
( , ) =
′ ′ 2 ′ ′
2 ′( , ) .∑ ′( + , + ) √∑ ′, ′ ′, ′
Keterangan :
T = Template I = Image x = Nilai x pada matriks Gambar Obyek x’ = Nilai x pada matriks Gambar
Template Gambar
y = Nilai y pada matriks Gambar
Obyek
y’= Nilai y pada matriks Gambar
Template Gambar
Gambar 7. Diagram alir Perancangan Pengenalan Klasifikasi Dengan Template
jika nilai koefisien sudah didapatkan maka kita Pada Gambar 7 merupakan proses akan membandingkan nilai tersebut dengan nilai pengenalan klasifikasi buah mangga dengan threshold yang kita dapatkan dari proses trial dari
template matching. Kamera akan mengambil
masing
- – masing kelas. Nilai threshold yang gambar mangga yang telah disiapkan. kemudian digunakan dalam sistem ini sebesar 0.78.
setelah gambar diambil. maka gambar akan Membandingkan nilai dilakukan secara berurutan dari kelas A. kelas B. kelas C. Jika nilai korelasi diubah dari RGB ke gray dengan perintah gambar dengan kelas A lebih besar dari nilai cv2.COLOR_BGR2GRAY. Citra mangga yang telah threshold maka sistem akan menampilkan kelas A. diubah dari RGB ke Grayscale tiap nilai pada jika tidak maka lanjut membandingkan ke kelas B. pikselnya akan dimasukkan ke dalam bentuk
Jika nilai korelasi gambar dengan kelas B lebih array dengan perintah a.b= gambar.shape[::]. besar dari nilai threshold maka sistem akan
Selanjutnya nilai array gambar akan dicocokan menampilkan kelas B. jika tidak maka lanjut dengan template yang telah dikumpulkan membandingkan ke kelas C. Jika nilai korelasi sebelumnya dengan menggunakan template gambar dengan kelas C lebih besar dari nilai
matching. Proses pencocokan ini dilakukan threshold maka sistem akan menampilkan kelas C.
secara berulang
- – ulang sesuai dengan jika tidak maka sistem akan berhenti.
banyaknya jumlah template yang disiapkan.
3.3 Implementasi Sistem
Setiap template yang dicocokan akan dihitung kecocokannya terhadap citra grayscale yang
Setelah tahap perancangan selesai dilakukan, selanjutnya tahap implementasi. Pada tahap ini dijelaskan hasil implementasi baik dari prototype sistem maupun hasil implementasi rangkaian elektronik yang ditunjukkan pada Gambar 8 dan Gambar 9.
Gambar 8. Implementasi Purwarupa Alat Pendeteksi Jenis Buah Mangga
Implementasi rangkaian elektronik sistem pendeteksi jenis buah mangga ini diterapkan pada PCB dot matriks dan kabel jumper yang dapat disolder sehingga dapat menghubungkan antar pin dari masingmasing komponen.
Gambar 9. Implementasi Rangkaian Webcam dan Raspberry Pi 4.
Pengujian dan Analisis
Kamera adalah sensor utama dalam sistem ini yang berfungsi untuk mengambil citra dari buah mangga yang akan dideteksi. Pada pengujian kamera ini akan dilakukan dengan melakukan pengambilan citra dari berberapa jenis buah mangga yang berbeda dengan menggunakan kamera, kemudian mengukur tingkat keberhasilan kemera dalam mengambil gambar.
Adapun cara untuk mengkur persentase keberhasilan yaitu dengan menggunakan
Persamaan (2) berikut : (2)
Hasil pengujian terlihat bahwa kamera yang digunakan sukses mengambil 10 gambar dari beberapa jenis buah mangga yang berbeda dari 10 percobaan yang dilakukan.
Berdasarkan persamaan (2) Kamera Logitech C270 yang digunakan oleh sistem untuk mengambil citra mangga memiliki tingkat keberhasilan mencapai 100%. Dari 10 kali percobaan.
4.2 Pengujian LED
LED merupakan komponen yang berfungsi sebagai hasil output dari klasifikasi jenis buah mangga. Selain sebagai output, LED pada sistem juga digunakan sebagai lampu indikator penanda bahwa sistem sedang bekerja/memproses pengklasisifikasian menggunakan template matching.
Tabel 1 Hasil Pengujian LED N O Kondisi Gambar Keteranga n
4.1. Pengujian Kamera Logitech C270
1 Ketika Kondisi
4.3. Pengujian Akurasi Klasifikasi Template alat awal sistem
Matching dalam keadaan
Sistem Pendeteksi Jenis buah mangga
idle
menggunakan metode template matching ini
2 Ketika Jika user
mempunyai tujuan utama untuk dapat
ada menekan
mengklasifikasikan jenis
- – jenis buah mangga
terdapat tombol
yang diletakkan ke dalam sistem oleh
penekana trigger
pengguna. Oleh karena itu perlu diketahui
n triger maka led
tingkat keakuratan sistem dalam melakukan
oleh akan
klasifikasi. Prosedur pengujian akurasi
pengguna menyala dan alat
Template Matching dilakukan dengan cara akan
mengambil citra buah mangga yang akan diuji
memproses
dengan cara meletakkan ke area tempat . pengambilan gambar pada sistem. Sistem akan
3 Hasil Hasil
melakukan pengklasifikasian dengan metode
Klasifika Pendeteksia template matching yaitu membandingkan si n manga gambar dengan template yang telah dibuat. jenis
Jumlah template sebanyak 39 gambar, dan data
Manalagi
uji sebanyak 24 buah mangga dengan berbagai
4 Hasil Hasil jenis. Untuk menentukan nilai akurasi dari
Klasifika Pendeteksia
sistem yaitu dengan cara membandingkan hasil
si n manga
klasifikasi yang dilakukan i oleh sistem dengan
jenis
hasil jenis buah mangga yang didapatkan dari
Arumanis
pedagang buah mangga. Hasil pengujian
5 Hasil Hasil akurasi sistem ini ditunjukkan pada Tabel 2.
Klasifika Pendeteksia si n manga Tabel 2. Hasil Pengujian Akurasi Sistem jenis Golek Jumlah data uji
24 Jumlah data hasil klasifikasi sistem
17 yang sesuai
Sesuai dengan yang ditunjukkan pada
Tabel 1 terlihat bahwa LED yang digunakan sebagai output sistem dapat menampilkan kondisi yang sesuai dengan yang telah dirancang dan
Persentase akurasi 70,83%
4.4 Pengujian Waktu Komputasi Sistem
diimplementasikan. Ketika hasil klasifikasi sistem Manalagi maka LED Manalagi akan Tujuan dilakukannya pengujian ini yaitu menyala, Ketika hasil klasifikasi sistem untuk mengetahui lama waktu yang i dibutuhkan
Arumanis maka LED Arumanis akan menyala, oleh sistem untuk melakukan proses Ketika hasil klasifikasi sistem Golek maka LED pengklasifikasian jenis buah mangga dengan Golek akan menyala. menggunakan i metode Template Matching,hal ini diperlukan i untuk mengetahui performa dari sistem yang telah dibuat. pengujian waktu pemrossesan sistem dilakukan dengan cara mengukur waktu komputasi ketika program
Matching
yang diuji dengan jumlah data template sebanyak 36 data dan data uji sebanyak 24 data adalah senilai 70.83%.
dimulai sampai ketika program selesai dalam satu siklus sebanyak 24 kali pengujian.
Tabel 3. Pengujian Waktu Komputasi Sistem berdasarkan jenisnya No Jenis Buah Mangga Rata – rata waktu
1 Manalagi 4,514
- – rata waktu pemrosesan 4,514. Buah mangga dengan jenis Arumanis memiliki rata
- – rata waktu pemrosesan 4,144. Buah mangga dengan jenis Golek memiliki
- – rata waktu pemrosesan 3,432. Perbedaan waktu komputasi disebabkan banyaknya template dari tiap
- – tiap jenis yang disediakan.
2 Arumanis 4,144
3 Golek 3,432
Berdasarkan hasil pengujian tersebut diperoleh rata-rata waktu komputasi yang diperlukan sistem untuk melakukan klasifikasi jenis buah mangga adalah sebesar 4,075 detik. Buah mangga dengan jenis manalagi memiliki rata
Beberapa saran yang dapat diberikan untuk pengembangan penelitian ini kedepannya adalah Menggunakan metode yang berbeda untuk membandingkan metode manakah yang mempunyai tingkat keakuratan lebih baik, menggunakan sensor yang lebih khusus untuk mendeteksi Jenis buah mangga, seperti warna dll, sehingga akan lebih meningkatkan keakuratan dalam pengklasifikasian, pengambilan gambar objek ditambahkan penutup atau pelindung agar cahaya dari luar tidak dapat masuk, sehingga tidak mengganggu akurasi sistem, menambahkan tingkat kematangan dalam pendeteksian oleh sistem.
Performansi Sistem Pendeteksi Jenis Buah Mangga dengan Metode Template Matching mempunyai nilai kecepatan waktu pemrosesan rata-rata sebesar 4,075 detik dari 24 kali pengujian. Buah mangga dengan jenis manalagi memiliki rata
- – rata waktu pemrosesan 4,514. Buah mangga dengan jenis Arumanis memiliki rata
- – rata waktu pemrosesan 4,144. Buah mangga dengan jenis Golek memiliki rata
- – rata waktu pemrosesan 3,432.
5. KESIMPULAN DAN SARAN
- – tiap piksel secara berurutan pada gambar capture dengan setiap template masing
- – masing dari jenis buah mangga. Jika persentase kemiripan gambar dengan templatenya diatas tresholdnya yaitu 0.78 maka gambar hasil capture akan diklasifikasikan sesuai dengan jenis buah mangga dari template yang sesuai.
Akurasi yang diperoleh Sistem Pendeteksi Jenis Buah Mangga dengan Metode Template
Pada penelitian ini sistem dibuat dengan menggunakan metode template matching yaitu dengan membandingkan nilai dari tiap
Setelah dilakukan pengujian dan analisis sistem maka dapat ditarik kesimpulan: Kamera diletakkan pada penyangga dan menghadap ke bawah pada area tempat buah mangga. Ketika Push button ditekan maka kamera akan langsung mengambil gambar buah mangga yang ada diarea yang telah disediakan. Kamera Logitech C270 dapat mengambil semua gambar yang diperintahkan dengan baik, dengan keberhasilan mencapai 100%.
6. DAFTAR PUSTAKA
AAK. 1997. Panduan Lengkap Dari Pembibitan Hingga Pasca Panen Buah Mangga.
Yogyakarta: Kanisius Media Ashari. Sumeru. 2017. Mangga: Dulu. Kini dan
Esok. Malang: Universitas Brawijaya
Press Anggriyono. Efraim. Iwan Setyawan2. Ivanna K. Timotius. 2015. Pemanfaatan Metode
Template Matching untuk Face Tracking secara Real Time di Ruang Tertutup.
Universitas Kristen Satya Wacana Bahri. R. S.. 2012. Perbandingan Algoritma
Template Matching dan Feature Extraction Pada Optical Character
Recognition.
Bandung: Jurnal Komputer dan Informatika. Chrisdiwanto. Thomas Oddy. 2018. Perancangan
Sistem Deteksi dan Pengenalan Rambu Peringatan Menggunakan Metode Template Matching. Malang: Universitas Brawijaya.
Ir. Pracaya. 2011. Bertanam Mangga. Jakarta: Penebar Swadaya Grup
Pratiwi. Winda. 2015. Panen Besar Mangga
Dalam Pot: Membahas tentang bisnis buah mangga dalam pot. Jakarta: Lembar
langit Indonesia Group Raspberry Pi
3. Retrieved https://www.raspberrypi.org/products/ras pberry-pi-3- model-b/ . (diakses pada 10 Februari 2018).
Subkhan. Moh. Khayat. Yuliana Melita Pranoto2.
2012. Pengenalan Image Wajah
Dengan Menggunakan Metode Template Matching. Surabaya: Sekolah
Tinggi Teknik Surabaya Umam. Chairul. 2015. Deteksi Osteoporosis
Dengan Metode Template Matching Pada Citra Sinar Rontgen Tulang Panggul Manusia. Semarang:
Universitas Dian Nuswantoro Yamasari. Yuni. Mahfud Setyo Widargo. 2012.
Aplikasi Identifikasi Garis-Garis Telapak Tangan Berbasis Template Matching. Surabaya: Universitas
Negeri Surabaya